ماذا يعني " Generative" في الاسم "Generative Adversary Network"؟ " جيني" تصف فئة من النماذج الإحصائية التي تتباين مع نماذج التمييزية
بشكل غير رسمي:
- يمكن أن تنشئ النماذج المنشأة نسخًا جديدة من البيانات.
- النماذج التمييزية تميّز بين الأنواع المختلفة من مثيلات البيانات.
ويمكن أن يصنع النموذج المبتكر صورًا جديدة للحيوانات تبدو كحيوانات حقيقية، بينما يمكن للنموذج التمييزي أن يخبر كلبًا من قطة. وGAN هي نوع واحد فقط من النماذج المبتكرة.
بشكل رسمي، مجموعة من مثيلات البيانات "س" ومجموعة من التصنيفات "ص":
- تلتقط النماذج المنشأة الاحتمالات المشتركة (p(X أو Y) أو p(X) فقط في حال عدم وجود تصنيفات.
- تلتقط النماذج التمييزية الاحتمالية الشرطية(Y | X).
يتضمّن النموذج المطوّل توزيع البيانات نفسها، ويخبرك عن مدى احتمال تقديم مثال معيّن. على سبيل المثال، النماذج التي تتوقّع الكلمة التالية في التسلسل هي عادةً نماذج جيلية (عادةً ما تكون أكثر بساطة من شبكات GAN) لأنها قد تحدّد احتمالية لتسلسل كلمات.
يتجاهل نموذج التمييز السؤال الذي يُحتمَل أن يكون واردًا، ويخبرك فقط بأنه من المرجّح أن ينطبق التصنيف على مثيل واحد.
لاحظ أنّ هذا التعريف عام جدًا. وهناك أنواع عديدة من النماذج الجيّدة. وGAN هي نوع واحد فقط من النماذج الجيّدة.
احتمالات وضع النماذج
لا يجب أن يعرض أيٌّ من النموذجَين رقمًا يمثل احتمالًا. يمكنك وضع نموذج لتوزيع البيانات عن طريق تقليد ذلك التوزيع.
على سبيل المثال، يمكن لمصنِّف تمييزي مثل شجرة القرارات تصنيف مثال بدون تحديد احتمالية لذلك التصنيف. وستظل أداة التصنيف هذه نموذجًا لأن توزيع جميع التصنيفات المتوقَّعة ستعمل على وضع نموذج للتوزيع الفعلي للتصنيفات في البيانات.
وبالمثل، يمكن أن يعمل النموذج المطوّل على إنشاء نموذج لتوزيع المحتوى من خلال إنشاء بيانات مقنعة "fake" تبدو وكأنها مرسومة من ذلك التوزيع.
نماذج جيلية صعبة
تتعامل النماذج الجيلية مع مهمة أكثر صعوبة من النماذج التمييزية المشابهة. على النماذج الجيلية إنشاء نماذج المزيد.
قد يلتقط نموذج مبتكر للصور صورًا للعلاقات، مثل &"،الأشياء التي تبدو مثل القوارب، فمن المحتمل أن تظهر بالقرب من عناصر تشبه المياه و/أو "العين" ومن غير المرجّح أن تظهر العينين على الجهتين. وهذه توزيعات معقدة للغاية.
أما في المقابل، فقد يتعلّم النموذج التمييزي الفرق بين &&;;;ailails" &&;;; sailboat" من خلال البحث عن عدد قليل من الأنماط المتّبعة في القصص. وقد يتجاهل هذا النموذج العديد من العلاقات التي يجب أن يراعيها النموذج المنشئ.
وتحاول النماذج التمييزية رسم الحدود في مساحة البيانات، بينما تحاول النماذج المُبتكرة وضع نماذج لكيفية وضع البيانات في جميع أنحاء المساحة. على سبيل المثال، يعرض الرسم البياني التالي نماذج تمييزية وجيلية للأرقام المكتوبة بخط اليد:
الشكل 1: نماذج تمييزية وجيلية للأرقام المكتوبة بخط اليد.
يحاول النموذج التمييزي التمييز بين طريقتي الكتابة بخط اليد وبين 1 و39، وذلك من خلال رسم خط في مساحة البيانات. وإذا حدث ذلك، يمكنه تمييز 0' عن 1's بدون الحاجة إلى وضع نموذج بالضبط لمكان المثيلات في مساحة البيانات على أي جانب من السطر.
في المقابل، يحاول النموذج المُنتَج إنتاج نتائج مقنِعة 1&39;1 و0%39 عن طريق إنشاء أرقام تقترب من نظيراتها الفعلية في مساحة البيانات. يلزمها وضع نموذج للتوزيع خلال مساحة البيانات.
توفّر الشبكات الافتراضية الخاصة (GAN) طريقة فعّالة لتدريب هذه النماذج المنسّقة التي تشبه التوزيع الفعلي. لفهم آلية عملها، علينا فهم البنية الأساسية لشبكة GAN.
التحقّق من فهمك: نماذج تمييزية مقابل نماذج تمييزية
- رَمْيُ ثَلَاثَةْ نَرْدْ سِتَّة.
- ضرب الرقم في الأس الثابتة.
- كرِّر 100 مرة واحصل على متوسط جميع النتائج.